Vinorelbine的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Vinorelbine進入發燒排行的影片

應用於HER2乳癌標靶治療 之 DISH影像分析深度學習方法

為了解決Vinorelbine的問題，作者Muhammad Adil Khalil 這樣論述：

The amount of overexpression of the human epidermal growth factor receptor 2 (HER2) is a predictive biomarker for metastatic breast cancer that may be used to evaluate therapeutic treatments. In HER2 immunohistochemical scores 2+ equivocal cases, accurate HER2 testing is critical for determining th

e most suitable precision treatment. HER2 in situ hybridization has generally been carried out using fluorescence in situ hybridization techniques (FISH). In recent years, brightfield dual in situ hybridization (DISH) has emerged as an efficient and viable alternative approach to replace fluorescen

t in situ hybridization (FISH) in various labs, including ours. The presented deep learning based framework allows effective and precise automated detection of ERBB2 to CEN17 signals ratio and the mean HER2 copies for each nucleus in DISH images for clinical usage, consequently avoid inter-oberserv

er variability and shortening the time required for routine manual assessment. To the best of author's knowledge, this is the first study to explore the use of deep learning technology to automatically detect HER2 overexpression in HER2 DISH images acquired from clinical breast cancer samples. On tw

o datasets, we assess the efficiency of the proposed models. The results illustrate that the proposed method 1 accomplishes better performance than the baseline techniques with an accuracy of 97.11±2.39, precision of 96.92±1.45, recall of 92.49±2.04, F1-score of 94.65±3.59, and Jaccard Index of 88.

43±10.27 on dataset 1 and an accuracy of 97.80±1.05, precision of 97.48±1.07, recall of 91.80±3.84, F1-score of 94.56±3.04, and Jaccard Index of 88.39±5.16 for dataset 2. Additionally, using Fisher's LSD, the proposed method 1 outperforms the baseline approaches by a significant margin (P

探討臨床抗藥性非小細胞肺癌病人肋膜積液分離的肺癌細胞中EGFR與PD-L1之表現及功能

為了解決Vinorelbine的問題，作者張建仁 這樣論述：

肺癌是全世界死亡率第一的癌症，其中非小細胞肺癌是所有肺癌中最常見的型態。抗藥性及癌幹性是肺癌治療中非常重要的議題。在本研究，我們從臨床非小細胞肺癌病人的惡性肋膜積水中分離出肺癌細胞，探討這些細胞的抗藥性及癌幹性。我們成功的分離並建立八株非小細胞肺癌細胞株，命名為病患肺癌(PLC)系列，包含PLC25、PLC26、 PCL38、PLC41、PLC50、PLC54、PLC57和PLC70。所有的PLC細胞株在二維空間培養皿都具有細胞生長及增殖的能力，在三維空間基質培養皿都能增殖形成球團狀型態，從這些細胞中，我們分離核醣核酸進行基因定序方式檢測上皮生長因子接受器(EGFR)酪胺酸激酶結構域位點基因

序列及KRAS基因序列，進一步與臨床上用福馬林固定後包埋在石蠟塊中的組織所檢測的結果做比對，於EGFR酪胺酸激酶結構域位點上的基因定序型，大部分呈現相同的結果，除了一例在PLC54細胞呈現EGFR T790M基因型態不一致，這一例於臨床上接受osimertinib治療結果為內因性抗藥性，這可能因於肋膜積水與原發肺腫瘤之間的異質性導致。分析這些病人細胞株中蛋白質的表現，發現EGFR及PD-L1呈現多寡不一的表現，但在survivin則是呈現一致性的正表現，而癌幹蛋白如CD133、SSEA-1及SSEA-4，除少部分細胞株外，多呈現較少表現情形。進一步驗證這些細胞株的腫瘤形成能力，將PLC26和P

LC38細胞植入於裸鼠中，結果都有明顯的腫瘤生成能力。我們發現PLC26有良好的細胞增殖及腫瘤形成能力，跟其他細胞株比起來，擁有特異性高度PD-L1蛋白質的表現。分析完這些特性後，我們進一步研究PD-L1在PLC26細胞的增殖及腫瘤形成能力扮演的功能，利用CRISPR/Cas9基因編輯方式去剔除PLC26細胞的PD-L1基因，比較剔除前後的變化，結果發現當PD-L1基因被剔除後， PLC26的細胞增殖及腫瘤形成能力顯著的下降，進一步發現PLC26細胞的EGFR表現卻增加，以及下游MAPK及PI-3K活化，但是最終外顯結果仍是呈現下降的細胞增殖能力，並伴隨survivin、cyclin A及CD

K2蛋白表現的下降。此外，我們也發現PD-L1的表現會影響atezolizumab的藥物反應，單純處理atezolizumab在PD-L1表現的PLC26肺癌細胞作用時，於沒有免疫細胞的參與下，就有明顯抑制癌細胞及腫瘤的效果。總結本研究，惡性肋膜積水提供一個好的來源及模式去探索腫瘤生物學，包括生長、增殖、腫瘤形成及抗藥性，我們建立了一套從臨床非小細胞肺癌病患惡性肋膜積液中，分離肺癌細胞的程序及培養的條件，所建立的細胞株將可提供未來進一步探討抗藥機制與新藥開發等應用。